STT Ký hiệu Biến đo lường
Phong cách lãnh đạo chuyển đổi – Transformational Leadership I. Ảnh hưởng bằng phẩm chất của người lãnh đạo
1 IIA1 Nhà quản lý của tôi truyền tải niềm tự hào đến nhân viên khi được làm việc cùng với nhà quản lý;
2 IIA2 Nhà quản lý của tơi thường đặt lợi ích của tổ chức lên trên lợi ích cá nhân;
STT Ký hiệu Biến đo lường
4 IIA4 Nhà quản lý của tôi biểu lộ năng lực và sự tự tin khi làm việc.
II. Quan tâm đến cá nhân
5 IC1 Nhà quản lý của tôi thường dành nhiều thời gian cho đào tạo và huấn luyện;
6 IC2 Nhà quản lý của tôi đối xử với tơi như một cá nhân bình thường thay vì là một thành viên trong tổ chức;
7 IC3 Nhà quản lý của tôi giúp nhân viên phát huy thế mạnh của mình;
8 IC4 Nhà quản lý của tôi thường quan tâm đến nhu cầu, khả năng và kỳ vọng của nhân viên.
III. Truyền cảm hứng
9 IM1 Nhà quản lý của tôi thường truyền tải sự lạc quan về tương lai đến nhân viên;
10 IM2 Nhà quản lý của tơi thường chia sẻ nhiệt tình về những cơng việc cần phải hồn thành;
11 IM3 Nhà quản lý của tơi thường truyền tải tầm nhìn hấp dẫn về tương lai;
12 IM4 Nhà quản lý của tôi thường bài tỏ sự tự tin về các mục tiêu sẽ đạt được trong tương lai.
IV. Kích thích trí tuệ
13 IS1 Nhà quản lý của tôi thường xem xét lại các giả thuyết quan trọng để kiểm tra sự phù hợp trong công việc;
14 IS2 Khi gặp phải một vấn đề, nhà quản lý của tơi thường tìm kiếm những quan điểm khác nhau;
15 IS3 Nhà quản lý của tơi khuyến khích nhân viên nhìn nhận vấn đề từ nhiều góc độ khác nhau;
16 IS4 Nhà quản lý của tơi thường gợi ý những hướng đi mới để hồn thành công việc.
Phong cách lãnh đạo chuyển giao – Transactional Leadership I. Đưa ra các phần thưởng
17 CR1 Nhà quản lý của tôi thường đưa ra phần thưởng để kích thích sự nổ lực của cấp dưới;
18 CR2 Nhà quản lý của tơi đưa ra các hình thức thưởng/ phạt rõ ràng cho việc đạt hay không đạt mục tiêu trong công việc;
19 CR3 Nhà quản lý của tôi rõ ràng trong việc nhân viên sẽ nhận được gì khi đạt được hiệu suất trong công việc;
STT Ký hiệu Biến đo lường
20 CR4 Nhà quản lý của tôi thường bài tỏ sự hài lịng khi nhân viên hồn thành nhiệm vụ.
II. Quản lý bằng ngoại lệ chủ động
21 MBEA1 Nhà quản lý của tôi thường chú ý vào những sai phạm, những điểm bất thường, ngoại lệ và các điểm sai lệch so với tiêu chuẩn;
22 MBEA2 Nhà quản lý của tôi thường tập trung xử lý những sai phạm và/hoặc những khiếu nại, thiếu sót;
23 MBEA3 Nhà quản lý của tơi theo dõi tất cả các sai sót của cấp dưới;
24 MBEA4 Nhà quản lý của tôi thường chú trọng đến sự lệch lạc so với chuẩn mực.
Sự tin tưởng vào tổ chức - Organizational Trust
25 OT1 Tôi tin rằng công ty của tôi sẽ chăm lo đến nhân viên trong quá trình thay đổi;
26 OT2 Tơi tin rằng công ty của tôi sẽ xem xét ý kiến của nhân viên trước khi đưa ra những quyết định thay đổi;
27 OT3 Công ty của tôi sẽ giữ lời hứa với nhân viên trong quá trình thay đổi; 28 OT4 Tơi sẵn lịng để công ty của tôi đưa ra các quyết định thay đổi;
29 OT5 Bất cứ khi nào công ty của tôi đưa ra những quyết định quan trọng trong q trình thay đổi, tơi tin rằng cơng ty sẽ quan tâm đến nhân viên; 30 OT6 Cơng ty của tơi có khả năng thực hiện những điều đã tuyên bố sẽ làm
trong quá trình thay đổi như những lần trước đây.
Sự cởi mở để thay đổi - Openness to Change
31 OC1 Tơi sẽ cởi mở bản thân mình để thực hiện những thay đổi trong công ty của tôi;
32 OC2 Tơi mong chờ có những thay đổi trong cơng việc của tơi;
33 OC3 Nhìn chung, những thay đổi được đề xuất sẽ tốt hơn cho công ty của tôi;
34 OC4 Tôi nghĩ rằng những thay đổi trong công ty sẽ tác động tích cực đến cách tơi hồn thành cơng việc của mình.
3.3. Nghiên cứu định lượng
3.3.1. Mục tiêu nghiên cứu định lượng
Sau bước nghiên cứu định tính nhằm hiệu chỉnh thang đo để tạo ra bảng câu hỏi khảo sát phù hợp với bối cảnh nghiên cứu, bước tiếp theo tác giả sẽ tiến hành nghiên cứu định lượng nhằm mục đích đánh giá độ tin cậy, độ giá trị của thang đo và kiểm định sự phù hợp của mơ hình nghiên cứu.
3.3.2. Chọn mẫu
3.3.2.1. Kích thước mẫu
Việc chọn kích cỡ mẫu phụ thuộc vào nhiều yếu tố như phương pháp xử lý dữ liệu và độ tin cậy cần thiết, mà hiện nay các nhà nghiên cứu thực hiện thu thập dữ liệu thơng qua chọn mẫu khảo sát, kích thước của mẫu phụ thuộc vào phương pháp ước lượng, xử lý trong nghiên cứu (Nguyễn Đình Thọ, 2013). Theo Tabachnick và Fidell (2007), để phân tích hồi quy bội (MLR) thì cỡ mẫu tối thiểu cần đạt được tính bằng cơng thức n >= 50 + 8m (m: số biến độc lập).
Ngồi ra, nghiên cứu có sử dụng phân tích nhân tố khám phá (EFA), cỡ mẫu thường được xác định dựa vào hai yếu tố là kích thước tối thiểu và số lượng biến đo lường. Trong đó, kích thước mẫu tối thiểu là 50, hoặc 100 và tỉ lệ quan sát/biến đo lường là 5:1, tốt nhất là 10:1, nghĩa là một biến đo lường cần tối thiểu là 5 hoặc 10 quan sát (Hair và cộng sự, 2006, trích trong Nguyễn Đình Thọ, 2013). Vì vậy để thỏa mãn cả hai điều kiện bên trên, tác giả đã chọn kích thước mẫu đủ lớn như sau:
Nghiên cứu có 34 (x=34) biến quan sát và 2 biến độc lập (m=2) nên n >= Max (5*x, 50 + 8*m) tương đương n >= Max (170, 66), đồng nghĩa với mẫu khảo sát n >= 170, thông thường khi sử dụng mơ hình cấu trúc tuyến tính SEM kích cỡ mẫu thường là 300 quan sát trở lên thì nghiên cứu được cho là tốt (Tabachnick và Fidell, 2007). Do đó để đáp ứng đủ ít nhất 300 mẫu và trừ đi những trường hợp dữ liệu thu thập được không như mong muốn hay những bảng khảo sát chưa đạt yêu cầu thì trong giai
đoạn này mẫu dự kiến = 350 quan sát nhằm để phục vụ cho cơng tác kiểm định mơ hình và các giả thuyết nghiên cứu.
3.3.2.2. Phương pháp chọn mẫu
Phương pháp chọn mẫu thuận tiện là phương pháp chọn mẫu phi xác suất trong đó nhà nghiên cứu tiếp cận với phần tử mẫu bằng phương pháp thuận tiện. Nghĩa là nhà nghiên cứu có thể chọn những phần tử nào mà họ có thể tiếp cận được (Nguyễn Đình Thọ, 2013). Nhằm tiết kiệm thời gian, chi phí cũng như nguồn lực có hạn, tác giả đã sử dụng phương pháp chọn mẫu thuận tiện trong nghiên cứu.
Theo đó, tất cả cán bộ là nhân viên bao gồm Giám đốc/ Phó Giám đốc các Chi nhánh, Phịng, Ban Hội Sở, Kiểm sốt viên, Trưởng/ Phó phịng, Trưởng nhóm, nhân viên đang làm việc tại 10 Ngân hàng thương mại Việt Nam uy tín năm 2019 (theo thơng tin của Vietnam Report) ở khu vực TP. HCM đồng ý tham gia khảo sát đều có thể chọn vào mẫu nghiên cứu.
3.3.2.3. Phương pháp thu thập dữ liệu
Nghiên cứu sử dụng phương pháp khảo sát để thu thập dữ liệu thông qua bảng câu hỏi. Một bảng câu hỏi tốt sẽ giúp nhà nghiên cứu thu thập được dữ liệu cần thiết với độ tin cậy cao. Trong bảng câu hỏi phải thỏa mãn hai yêu cầu cơ bản đó là: kích thích được sự hợp tác của người trả lời và phải có đầy đủ các câu hỏi mà nhà nghiên cứu muốn thu thập dữ liệu (Nguyễn Đình Thọ, 2013). Sau khi điều chỉnh cho phù hợp với bối cảnh nghiên cứu chúng ta có bảng câu hỏi hồn chỉnh sẵn sàng cho công việc phỏng vấn.
Tác giả đã in bảng câu hỏi giấy và trực tiếp đến các Chi nhánh, Phòng giao dịch của các Ngân hàng ở khu vực TP. HCM mà tác giả có mối quan hệ quen biết từ trước thông qua người thân, bạn bè và đồng nghiệp. Do tác giả đã từng công tác gần bốn năm ở phòng Khách hàng Doanh nghiệp tại Ngân hàng TMCP Á Châu và Ngân hàng TMCP Ngoại Thương Việt Nam nên số lượng bảng kết quả khảo sát đạt yêu cầu tập trung phần lớn ở hai Ngân hàng này. Song song với việc khảo sát bằng bảng câu hỏi
giấy, tác giả đã gửi bảng khảo sát Online thông qua các trang mạng xã hội như Zalo, Facebook và gửi Mail trực tiếp đến các bạn bè học chung Đại học cũng như các anh chị đồng nghiệp cũ hiện đang công tác ở Ngân hàng tại khu vực TP. HCM.
Sau khoảng thời gian hơn mười ngày, các bảng kết quả khảo sát sẽ được thu về và được hiệu chỉnh các sai sót (data editing), loại các bảng khảo sát khơng đủ điều kiện khảo sát (phần gạn lọc). Tiếp theo, tác giả tiến hành nhập, tóm tắt và làm sạch dữ liệu nhằm phát hiện các soi sót như câu hỏi bỏ trống khơng trả lời hoặc câu trả lời không phù hợp theo yêu cầu…
3.3.3. Công cụ khảo sát
Dựa trên các nguyên tắc thiết kế thang đo do Churchill (1979) đề xuất, bảng câu hỏi khảo sát ở Phụ lục 2 được đo lường theo thang đo Likert 5 điểm, với mức độ đồng ý tăng dần từ 1 đến 5 điểm như sau:
Với phương pháp nghiên cứu định lượng, việc thu thập dữ liệu sẽ được thông qua công cụ Google Form bằng cách gửi bảng khảo sát qua mạng Internet, phương pháp khảo sát này có nhiều ưu điểm là tiết kiệm được nhiều chi phí, thời gian gửi nhanh chóng và khơng phải mất thời gian nhập dữ liệu (Fan và Yan, 2010). Bên cạnh đó, khảo sát Online cho phép thu thập số lượng mẫu lớn nhờ đó làm giảm sai số mẫu, cũng như tốc độ và độ chính xác của dữ liệu thu thập, sau đó dữ liệu sẽ được tự động chèn vào bảng tính hoặc phần mềm thống kê giúp tiết kiệm thời gian, tiền bạc và giảm lỗi của người nhập dữ liệu và mã hóa (Fleming và Bowden, 2009).
Mặc khác, phương thức thu thập dữ liệu này có một số nhược điểm như sai lệch về khung mẫu do một bộ phận không truy cập được Internet hay kỹ năng tin học còn hạn chế và tỷ lệ phản hồi thấp (Fan và Yan, 2010). Ngoài ra, tác giả sử dụng bảng câu
hỏi khảo sát giấy và phát trực tiếp tại các Chi nhánh, Phòng Giao dịch trực thuộc những Ngân hàng được chọn để tiếp cận dữ liệu nghiên cứu.
3.4. Kỹ thuật xử lý dữ liệu
3.4.1. Đo lường độ tin cậy bằng hệ số Cronbach‘s Alpha
Hệ số Cronbach‘s Alpha trên phần mềm SPSS 20 nhằm đánh giá độ tin cậy của thang đo và có giá trị nằm trong khoảng từ [0,1]. Để tính Cronbach’s Alpha cho một thang đo thì thang đo phải có tối thiểu là ba biến đo lường, chứ khơng tính được độ tin cậy cho từng biến quan sát. Về lý thuyết, hệ số Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao), nhưng khơng nên lớn hơn 0.95 bởi vì cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau, nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu, hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường (Nguyễn Đình Thọ, 2013).
Bên cạnh đó, mơ hình đo lường kết quả dựa trên nguyên tắc trùng lắp (De Vellis, 2003 trích từ Nguyễn Đình Thọ, 2013). Các biến đo lường dùng để đo lường cùng một khái niệm nghiên cứu nên chúng phải có tương quan chặt chẽ với nhau. Do đó, khi kiểm tra từng biến đo lường chúng ta sử dụng hệ số tương quan biến-tổng (item- total correlation). Đặc biệt, SPSS sử dụng hệ số tương quan biến-tổng hiệu chỉnh (corrected item-total correlation). Hệ số này lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (khơng tính biến đang xem xét). Nếu một biến đo lường có hệ số tương quan biến tổng hiệu chỉnh >= 0.3 thì biến đó đạt yêu cầu. Vì vậy, một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.75- 0.95], nếu Cronbach‘s Alpha >=0.6 thì thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally và Bernstein, 1994 trích Nguyễn Đình Thọ, 2013).
3.4.2. Phân tích nhân tố khám phá EFA
Phần trên đã giới thiệu phương pháp Cronbach‘s Alpha để đánh giá độ tin cậy thang đo. Vấn đề tiếp theo là thang đo phải được đánh giá giá trị của nó. Hai giá trị
quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) giúp chúng ta đánh giá hai loại giá trị này.
Khi đánh giá thang đo, chúng ta cần xem xét ba thuộc tính quan trọng trong kết quả EFA: (1) số lượng nhân tố trích được, (2) trọng số nhân tố và (3) tổng phương sai trích. Với bài nghiên cứu này, phương pháp mơ hình nhân tố chung (Common Factor Model – CFM) được sử dụng với phép trích Principal Axis Factoring và phép xoay Promax, bởi vì phương pháp này phản ánh cấu trúc dữ liệu chính xác hơn các phương pháp khác (Gerbing và Anderson, 1988 trích Nguyễn Đình Thọ, 2013).
Trong trường hợp kích thước mẫu từ 250 đến 350, trọng số nhân tố phải ≥ 0.5 để chấp nhận ý nghĩa và chênh lệch giữa trọng số nhân tố lớn nhất và nhân tố bất kỳ phải ≥ 0.3 để đảm bảo giá trị phân biệt. Phương sai trích (% Cumulative Variance) được sử dụng để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Phương sai trích cần phải lớn hơn 50% thì đạt mức độ giải thích và Eigenvalue phải có giá trị lớn hơn 1 (Gerbing và Anderson, 1988).
Bên cạnh đó, kiểm định KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan từng phần của chúng (Norusis, 1994 trích Nguyễn Đình Thọ, 2013). Để sử dụng EFA, KMO ≥ 0.5, Kaiser (1974) đề nghị với 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Ngồi ra, kiểm định Bartlett cũng được sử dụng để đánh giá các biến quan sát có tương quan với nhau trong một thang đo (nhân tố) hay khơng. Các biến quan sát có tương quan tuyến tính với nhân tố đại diện khi mức ý nghĩa của kiểm định Bartlett nhỏ hơn 0.05 (Sig < 0.05) (Hair và cộng sự, 2006).
3.4.3. Phân tích nhân tố khẳng định CFA
Sau khi phân tích nhân tố khám phá EFA, các biến quan sát đạt yêu cầu sẽ được tiến hành phân tích nhân tố khẳng định CFA nhằm mục đích xem xét biến đo lường đại diện tốt như thế nào cho khái niệm đồng thời kiểm tra mức độ phù hợp của mơ hình lý thuyết với dữ liệu thị trường (Hair và cộng sự, 2010). Chỉ số đầu tiên cần lưu
ý trong CFA là: Chi bình phương (chi-quare) và df (bậc tự do). Với mức ý nghĩa thống kê của Chi - square là p < 0.05 chỉ ra hai ma trận hiệp phương sai khác nhau về mặt thống kê, mơ hình đề xuất được xem là phù hợp với dữ liệu thị trường (Hair & cộng sự, 2006).
Mặc khác, khi kích thước mẫu tăng lên thì Chi-square sẽ tăng nên cần bổ sung các chỉ số như: Chi-square/df (Cmin/df); Chỉ số so sánh sự phù hợp – CFI; Chỉ số Tucker và Lewis TLI và Chỉ số RMSEA. Mơ hình được xem là phù hợp tốt với dữ liệu thị trường (tổng thể) hay tương thích với dữ liệu thị trường (tổng thể) khi CFI, TLI ≥ 0.9 (Bentler và Bonett, 1980), CMIN/df ≤ 2, một số trường hợp khác CMIN/df ≤ 3 (Carmines và Mclver, 1981) và RMSEA ≤ 0.08 (Steiger, 1990).
Trong phân tích nhân tố khẳng định CFA, các chỉ tiêu đánh giá thang đo cần lưu ý là: (1) độ tin cậy tổng hợp, (2) tổng phương sai trích, (3) tính đơn hướng, (4) giá trị hội tụ, (5) giá trị phân biệt.
Độ tin cậy tổng hợp Pc (Jorekog, 1971) và phương sai trích Pvc (Fornell và Larcker, 1981) được tính theo cơng thức sau:
Pc = (∑ 𝒊 𝒑 𝒊=𝟏 )𝟐 (∑𝒑𝒊=𝟏𝒊)𝟐 + ∑𝒑𝒊=𝟏(𝟏−𝒊𝟐) Pvc = ∑ 𝒊 𝟐 𝒑 𝒊=𝟏 ∑𝒑 𝒊𝟐 𝒊=𝟏 + ∑𝒑𝒊=𝟏(𝟏−𝒊𝟐) Trong đó:
𝒊: Trọng số chuẩn hóa của biến quan sát thứ i;
1 - 𝒊𝟐: Phương sai của sai số đo lường biến quan sát thứ i; p: Số biến quan sát của thang đo.
Hệ số độ tin cậy tổng hợp Pc của các thang đo cần phải lớn hơn 0.6; phương sai trích Pvc của các thang đo nghiên cứu cần phải lớn hơn 0.5 (Bagozzi và Yi, 1988). Bên cạnh đó, khi khơng có tương quan giữa sai số của các biến quan sát, các biến